Deep Instinct 首席产品官 Yariv Fishman – 采访系列

Yariv Fishman 是 Deep Instinct 的首席产品官（CPO），他是一位具有超过 20 年领导经验的资深产品管理高管，曾在多家著名的全球 B2B 品牌中担任过重要职位。Fishman 曾在 Microsoft (MSFT ) 领导云应用安全产品组合，并启动了 MSSP 和安全合作伙伴计划，并曾在 CheckPoint 担任云安全和 IoT 安全产品管理负责人。他拥有 Ben Gurion University 信息系统工程学士学位和 Technion 以色列理工大学 MBA 学位。

Deep Instinct 是一家网络安全公司，应用深度学习技术来预防和检测恶意软件。

您能否告诉我们您在网络安全行业的经历，以及它如何影响您的产品管理方法？

在我的 20 年职业生涯中，我曾在多家全球 B2B 组织中工作，包括 Check Point Software Technologies (CHKP ) 和 Microsoft，我在那里领导产品管理和战略，并积累了公共云、端点、网络和 SaaS 应用程序安全方面的经验。

在此过程中，我学到了不同的最佳实践 – 从如何管理团队到如何制定适当的战略 – 这些经验塑造了我在 Deep Instinct 的领导方式。为多家不同规模的网络安全公司工作使我能够对管理风格有了整体的了解，并学会了如何创建支持快速发展团队的流程。我还亲眼见证了如何发布产品和规划产品市场适配，这对于商业成功至关重要。

是什么吸引您加入 Deep Instinct，您的首席产品官角色如何随着时间的推移而演变？

作为行业老手，我很少对新技术感到兴奋。我在 Microsoft 工作时第一次听说了 Deep Instinct。当我了解到预测性预防技术的可能性时，我迅速意识到 Deep Instinct 是真正的，并且正在做一些独特的事情。我加入了这家公司，以帮助产品化其深度学习框架，创建市场适配和使用案例，针对这种首创的零日数据安全解决方案。

自从我三年前加入团队以来，我的角色已经发生了变化，并随着我们的业务而演变。最初，我专注于建立我们的产品管理团队和相关流程。现在，我们专注于战略以及如何在今天快速发展和日益险恶的市场中推销我们的零日数据安全功能。

Deep Instinct 使用一种独特的深度学习框架来进行其网络安全解决方案。您能否讨论深度学习相对于传统机器学习在威胁预防方面的优势？

“AI” 这个术语被广泛用作一种万能药来为组织在对抗零日威胁的战斗中提供装备。然而，虽然许多网络安全供应商声称将 AI 引入战斗，但机器学习（ML）- 一种不太复杂的 AI 形式 – 仍然是他们产品的核心部分。ML 不适合这项任务。ML 解决方案是在有限的数据子集（通常为 2-5%）上进行训练，只能提供 50-70% 的准确性，无法识别未知威胁，并且会引入假阳性。它们还需要人工干预，因为它们是在较小的数据集上进行训练，这增加了人为偏差和错误的可能性。

并非所有 AI 都是平等的。深度学习（DL）- 最先进的 AI 形式 – 是唯一能够预防和解释已知和未知零日威胁的技术。ML 和 DL 基于解决方案的区别在于它们识别和预防已知和未知威胁的能力时变得明显。与 ML 不同，DL 建立在神经网络之上，能够自我学习和在原始数据上进行训练。这一自主性使 DL 能够识别、检测和预防复杂威胁。凭借其对恶意文件的基本组件的理解，DL 能够使团队快速建立和维护强大的数据安全态势，挫败下一个威胁在它甚至出现之前。

Deep Instinct最近推出了DIANNA，这是第一个基于生成式 AI 的网络安全助手。您能否解释DIANNA的灵感和其主要功能？

Deep Instinct 是市场上唯一能够预测和预防零日攻击的供应商。企业零日漏洞正在增加。我们看到 2023 年零日攻击增加了 64%，与 2022 年相比，我们发布了 Deep Instinct 的人工神经网络助手（DIANNA），以应对这一日益增长的趋势。DIANNA 是第一个也是唯一一个能够为零日攻击和未知威胁提供专家级恶意软件分析和可解释性的基于生成式 AI 的网络安全助手。

DIANNA 与其他传统的 AI 工具不同之处在于，它能够提供对未知攻击的原因的洞察。今天，如果有人想要解释零日攻击，他们必须将其运行在沙箱中，这可能需要几天时间，最终也无法提供详细或有针对性的解释。虽然这种方法很有价值，但它只提供了回顾性分析，且上下文有限。DIANNA 不仅分析代码，还理解意图、潜在操作，并解释代码的设计、为什么它是恶意的，以及它可能如何影响系统。这一过程使 SOC 团队能够专注于真正重要的警报和威胁。

DIANNA 如何提供专家级别的恶意软件分析来区别于传统的 AI 工具？

DIANNA 就像在您的指尖拥有一个虚拟的恶意软件分析师和事件响应专家团队，能够对已知和未知攻击提供深入分析，解释攻击者的技术和恶意文件的行为。

其他 AI 工具只能识别已知威胁和现有的攻击向量。DIANNA 超越了传统的 AI 工具，为组织提供了对未知脚本、文档和原始二进制文件的前所未有的专业知识和洞察力，使其能够为零日攻击做好准备。另外，DIANNA 提供了对 Deep Instinct 预防模型决策过程的增强可见性，使组织能够微调其安全态势以实现最大效果。

DIANNA 解决了当前网络安全格局中未知威胁的主要挑战，特别是关于未知威胁的信息缺乏问题吗？

零日攻击今天面临的问题是缺乏有关为什么事件被阻止和被认为是恶意的信息。威胁分析师必须花费大量时间来确定它是否是恶意攻击或假阳性。与其他网络安全解决方案不同，Deep Instinct 经常使用我们独特的 DL 解决方案阻止零日攻击。然而，客户正在要求详细的解释，以便更好地了解这些攻击的性质。我们开发了 DIANNA，以增强 Deep Instinct 的深度学习能力，减轻过度劳累的 SecOps 团队的负担，并为复杂的未知威胁提供实时可解释性。我们专注于特定工件的 GenAI 模型，使我们能够提供全面而有针对性的响应，以解决市场空白。

DIANNA 是行业的一项重大进步，也是 AI 能够解决现实世界问题的有形例子。它仅使用静态分析来识别各种文件格式（包括二进制文件、脚本、文档、快捷方式文件和其他威胁传递文件类型）的行为和意图。DIANNA 不仅仅是一项技术进步；它是朝着更直观、更高效和更有效的网络安全环境转变的战略举措。

您能否详细说明 DIANNA 如何将二进制代码和脚本转换为自然语言报告，以及这对安全团队带来的好处？

该过程是我们的秘密。从高层次上讲，我们可以检测深度学习框架标记的恶意软件，然后将其作为元数据输入到 LLM 模型中。通过提取元数据而不暴露敏感信息，DIANNA 提供了客户正在寻找的零日可解释性和有针对性的答案。

随着 AI 生成攻击的兴起，您如何看待 AI 的演变，以更有效地应对这些威胁？

随着 AI 基于威胁的增长，为了保持领先于日益复杂的攻击者，需要超越传统的 AI 工具，并创新更好的 AI，特别是深度学习。Deep Instinct 是第一个也是唯一一个在其数据安全技术中使用深度学习的网络安全公司，以预防威胁在造成漏洞之前，并预测未来威胁。Deep Instinct 的零日数据安全解决方案可以在不到 20 毫秒的时间内预测和预防已知、未知和零日威胁，比最快的勒索软件加密速度快 750 倍，使其成为每个安全堆栈的必备组件，提供对混合环境中威胁的全面、多层次保护。

感谢这次精彩的采访，希望了解更多的读者可以访问 Deep Instinct。